遇见数据集

zh-tw-llm-dv-dv/zh-tw-llm-dev-sample-ta8k-d40d11-only_embeddings-tr_alp-69ed82-c2048

收藏
Hugging Face2023-05-14 更新2024-03-04 收录
官方服务:

资源简介:

--- dataset_info: dataset_size: 454603.0 download_size: 175001 features: - name: input_ids sequence: int32 - name: attention_mask sequence: int8 - name: labels sequence: int64 - dtype: string name: preview splits: - name: train num_bytes: 454603.0 num_examples: 300 --- # zh-tw-llm-dev-sample-ta8k-d40d11-only_embeddings-tr_alp-69ed82-c2048 This dataset is a part of the `zh-tw-llm-dev` project. * Tokenizer: `zh-tw-llm-dev-tokenizer-a8k-d40d11` * Built with: `translations`, `alpaca` * Rows: `300` * Max length: `2048` * Full config: ```json {"build_with": ["translations", "alpaca"], "preview_length": 256, "translations_settings": {"source_dataset": "zetavg/coct-en-zh-tw-translations-twp-300k", "lang_1_key": "en", "lang_2_key": "ch", "templates": ["English: {lang_1}\nChinese: {lang_2}", "Chinese: {lang_2}\nEnglish: {lang_1}"], "rows_limit": 100}, "alpaca_settings": {"source_dataset": "zetavg/traditional-chinese-alpaca-en-align", "template": "short", "train_on_inputs": false, "rows_limit": 100}} ```

提供机构:
zh-tw-llm-dv-dv
原始信息汇总

数据集概述

基本信息

  • 数据集大小: 454603.0 字节
  • 下载大小: 175001 字节
  • 训练集大小: 454603.0 字节
  • 训练集样本数: 300

特征描述

  • input_ids: 序列类型为 int32
  • attention_mask: 序列类型为 int8
  • labels: 序列类型为 int64
  • preview: 数据类型为 string

数据集结构

  • 分片信息:
    • 名称: train
    • 字节数: 454603.0
    • 样本数: 300
二维码
社区交流群
二维码
科研交流群
商业服务